Introduction
近赤外(NIR)分光法は、広く様々な種類の果物や野菜の内容を分析する非破壊技術として適用される。1,2非破壊は、近赤外分光法により分析保証品質を有する唯一のおいしい果物や野菜の出荷を可能にします。近赤外分光法は、まだ上のTSC(総固形分)、総糖含有量に対応し、その糖度、酸度を知っているように、オレンジ、リンゴ、メロン、チェリー、キウイフルーツ、マンゴー、パパイヤ、桃とに適用される、とされてきました。最近、我々は、ブルーベリーの品質評価への近赤外分光法の適用を報告している。3当社は、全糖含量と酸味に対応する全有機酸含量だけでなく、総アントシアニン含有量だけでなく、を測定しました。アントシアニンは、ヒトの健康を改善すると考えられている生物活性成分です。彼らは糖度、交流の保証でおいしいブルーベリーを購入することができた場合には、消費者にとって便利ですidity、およびアントシアニン含量。
果物や野菜のNIR吸収スペクトルでは、唯一の広い吸収帯が観察されます。彼らは主に繊維や水分に起因するバンドです。非破壊対象の様々な成分には多くの弱いバンドが同時に観察されるが、観察されたバンドは、ほとんどの場合、ターゲットの特定のコンポーネントの特定の振動モードに割り当てることはできません。したがって、ランベルト - ベールの法則を使用して特定の成分の含有量を決定するための従来の技術は、NIRスペクトルのために有効ではありません。代わりに、観測されたスペクトルからの標的成分の含有量を予測するためのキャリブレーションモデルは、観測されたスペクトルとのスペクトルに対応する成分の内容との相関関係を調べることにより、ケモメトリックスを使用して構築される。4,5なお、モデルを構築し、検証するプロトコル全糖含量、acidiに対応する全有機酸含量を予測するためTY、およびNIRスペクトルからブルーベリーの総アントシアニン含量が提示されます。
図1は、信頼性の高い強固な較正モデルを構築するための一般的なフローチャートを示します。十分な数のサンプルが収集されます。他の構築モデルの検証に使用されている間、それらのいくつかは、モデルの構築に使用されます。収集したサンプルのそれぞれについて、NIRスペクトルを測定し、その後、標的成分は、従来の破壊的な化学分析法を用いて定量的に分析されます。ここで、高速液体クロマトグラフィー(HPLC)は、糖、有機酸、およびアントシアニンの化学分析のために使用されます。部分最小二乗は、(PLS)回帰は、化学分析によって決定し、観察されたスペクトルと成分含有量との相関を調べる較正モデルの構築に使用されます。最良の予測能力、obserの前処理と堅牢なモデルを構築するためにVEDスペクトルを予測するために使用される波長領域も検討されています。最後に、構築したモデルは、それらの十分な予測能力を確認するために検証されます。検証では、コンテンツは、構築したモデル(予測値)を観測スペクトルから予測化学分析(観測値)によって決定した内容と比較されます。十分な相関が予測と観測値との間で見つけることができない場合は、十分な相関が得られるまで、キャリブレーションモデルを再構築する必要があります。同図(外部検証)に示すように、モデルの構築および検証のための試料の異なるグループを使用することが好ましいが、同じグループ内のサンプルは、建設および検証(クロスバリデーション)の両方に使用される場合の数サンプルは十分な大きさではありません。
Fキャリブレーションモデルの構築と検証のためigure 1.フロー・チャート。青と緑の線で囲ま手順は、キャリブレーションモデルとその検証の建設に、それぞれ対応している。 この図の拡大版をご覧になるにはこちらをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
サンプルの1コレクション
- キャリブレーションモデルの対象に含まれるかを品種を決定します。
- 十分な数と対象品種のサンプルブルーベリーの様々な種類を収集します。
- 構築したモデルの検証のために、好ましくは100キャリブレーションモデルの構築のためのブルーベリー、少なくとも10を収集します。強固なモデルを構築するために、様々な色、サイズ、および様々な熟成条件にして、すなわち 、様々なタイプのサンプルを収集します。
- 各ブルーベリーを計量。注:測定された重みは、各ブルーベリーの成分の含有率の計算のために後で使用されています。
スペクトルの2.測定
- ウォームアップの測定の前に分光光度計十分に(1時間以上)は、信頼性の高いスペクトルを取得します。
- 分光光度計を設定します。条件はすべての測定を通じて一定であることを確認してください。アン測定のための典型的な条件の例を以下に示します。
- 12,500-3,600 cmの測定値の範囲を設定-1。
- 16センチメートルにスペクトル分解能を設定-1。
- 32回に蓄積するのを設定します。
- 測定のモードとして拡散反射率を選択します。
- 拡散反射率測定のための分光光度計の窓に標準反射板を置きます。 「背景単一チャネル」コマンドを使用して、自動的に後に測定試料ブルーベリーのスペクトルからの相対的な反射スペクトルの計算に使用されているバックグラウンドスペクトルを測定します。
- 拡散反射率測定のための分光光度計のウィンドウの中央にブルーベリーのサンプルを置きます。 「サンプル単一チャネル」コマンドを使用することにより、好ましくは果実のいくつかの点で、各ブルーベリーのスペクトルを測定します。
注:クベルカ-ムンク変換6,7はまた、自動実行されますmaticallyスペクトル取得の条件がそうするように設定されている場合、サンプルブルーベリーの観測スペクトルのため。クベルカ - ムンク変換は、透過モードで測定し、高精度なスペクトルの分析に必要とされるものと同等のスペクトルを拡散反射モードで測定したスペクトルを変化させます。吸光度規模のスペクトルを分析するために使用されます。 - ブルーベリーのサンプルのスペクトルは、いくつかの点で測定された場合、MS Excelなどのデータ処理プログラムを使用して、各試料のスペクトルの平均スペクトルを計算します。分析のための平均スペクトルを使用してください。
糖および有機酸8のHPLC測定のための3の前処理
注:次のように超純水を用いて、水溶性である糖および各ブルーベリーの有機酸を抽出します。各ブルーベリーの全体を分析するために使用されます。
- FO -30°C準備以下の冷凍庫でブルーベリーを保ちます彼らはちょうどスペクトル測定後に分析されていない場合はr個の化学分析します。
- それは簡単に以下の手順で均質化することができるように、いくつかの断片にブルーベリーをカット。それが凍結されたときに解凍せずにブルーベリーをカットします。
- 50ミリリットルのビーカーに作品を配置。
- 約を追加超純水をビーカーに(その電気伝導度が0.1未満μS/ cmである蒸留水)の10ミリリットル。
- 分析中の糖を分解する可能性がある酵素を不活性化するために20秒間電子レンジ内の超純水でカットブルーベリーを加熱します。
- ビーカーに約に超純水10mlを追加します。
- 標準軸と発電機を装備したホモジナイザーを用いて12,000rpmで5分間、混合物を均質化します。
- 遠心分離を3,000rpm(2,000×g)で10分間均質化した混合物。
- 図5Bの濾紙を用いて遠心分離し、試料を真空ろ過によりろ液を収集します。
- 日に二回のステップ3.6から3.9を繰り返しますE濾過残渣は、すべての糖および有機酸を収集し、すべてのろ液を組み合わせます。
- 濾液のpHを測定し、希塩酸(0.1と0.01モルL -1)で7に調整し、水酸化ナトリウム(0.1〜0.01モルL -1)の水溶液を希釈します。
- 超純水で50mlにろ液を希釈します。
- 2に試料を分割し、有機酸の分析のための糖および他の分析のための1つ。
- 顔料、カチオン、およびアニオンを除外するように直列に接続された列〜第試料溶液(2 C18、CMとQMA)を渡します。カラムからの試料溶液の最初の1ミリリットルを捨てます。その後、HPLCによる糖の分析のための列からの試料溶液を使用しています。
- 顔料およびカチオンを排除するために直列に接続されたカラムを介して第2の試料溶液(二C18及びCM)を渡します。カラムからの試料溶液の最初の1ミリリットルを捨てます。次にCからのサンプル溶液を使用HPLCによる有機酸の分析のためolumns。
- 遠心分離HPLCによる分析の前にミニ遠心機で0.45μmのフィルターを備えたマイクロチューブ中で10分間、6600 rpmで(5800×g)でステップ3.14と3.15からの各ソリューション、。
糖の4 HPLC測定
注:この研究では、各ブルーベリーのスクロース、グルコースおよびフルクトースの合計含有量は、総糖含量とみなされます。したがって三糖類の各々についての検量線は、最初に取得され、その後それぞれのブルーベリー中の糖の合計含有量が得られます。標準的な内容は、0.3から0.4重量%(ショ糖)、3.8から4.8重量%(グルコース)、および4.2から5.3重量%(フルクトース)として報告されている。9
- 正確スクロースの約200mgを測定し、標準溶液を調製し50mlの超純水に溶解させます。第二の標準溶液を調製するために超純水で50mlに溶液5mlを希釈します。 3と同様のスタンドを準備第二の標準溶液からARDソリューション。
- 同様に、ブドウ糖と果糖の標準溶液を調製します。
- 次のようにHPLCシステムをアレンジ:
- 40℃のカラムオーブンでゲル浸透カラムを使用してください。
- 溶出液0.1 ml /分の流速で脱気した超純水を用います。
- 屈折率検出器を使用してください。
- 各測定のための20μlのアリコートを注入することにより、標準溶液のHPLCスペクトログラムを測定します。注:ここでは、PAC溶液を測定するためのソフトウェアとして使用されています。
- マウスの右ボタンで「再分析」をクリックして、各標準溶液のクロマトグラムの糖のバンドの面積強度を取得します。
- 式は面積強度との関係を示す濃度がfoが得られる場合、線形回帰によって各糖のための検量線を得るために、対応する濃度に対して面積強度をプロット各糖rを。
- 各測定のための20μlのアリコートを注入することにより、試料溶液のHPLCスペクトログラムを測定します。
- 以前にステップ4.5で説明したように、各試料溶液のクロマトグラム上の糖のバンドの面積強度を取得します。
- ステップ4.6で得られた検量線に対応する方程式を用いて、溶液中の糖の濃度を得ます。
- 前のステップと、試料溶液の全体積で得られた試料溶液の濃度から各ブルーベリー中の各糖の量を取得する(50mlのステップ3.12参照)。
- 3糖類の内容を合計することによって、各果実の全糖量を取得します。
- ステップ1.3で測定した重量を使用して、各ブルーベリーの全糖の含有量のパーセントを取得します。
有機酸の5 HPLC測定
注:この研究では、クエン酸、キナ酸の合計含有量、リンゴ酸、およびコハク酸は、有機酸総含有量とみなされます。したがって、4個の有機酸のそれぞれのための検量線は、最初に取得され、その後それぞれのブルーベリー中の有機酸の含有量を測定します。標準的な内容は、0.42から0.62重量%(クエン酸)、0から0.15重量%(キナ酸)、0.08から0.23重量%(リンゴ酸)、および0.06から0.25重量%(コハク酸)として報告されている。9
- 正確クエン酸約5mgを測定し、標準溶液を調製し、50mLの超純水にそれを溶解します。第二の標準溶液を調製するために超純水で50mlに溶液5mlを希釈します。同様に、第二の標準溶液から三番目の標準液を調製します。
- 同様に、キナ酸、リンゴ酸、コハク酸の標準溶液を準備します。
- 次のようにHPLCシステムをアレンジ:
- 40℃のカラムオーブン内で直列に接続された2つの陰イオン交換カラムを使用します。
- 使用は、リンの0.1%水溶液を脱気溶出液として0.02 ml /分の流速で酸。
- 210 nmに設定紫外可視検出器を使用してください。
- 各測定用標準溶液の20μlのアリコートを注入することにより、標準溶液のHPLCスペクトログラムを測定します。
- マウスの右ボタンで「再分析」をクリックして、各標準溶液のクロマトグラム上の有機酸のバンドの面積強度を取得します。
- 面積強度と濃度との関係を表す式は、各有機酸のために得られる線形回帰により、各有機酸のための検量線を得るために、対応する濃度に対して面積強度をプロットします。
- 各測定用サンプルの20μlのアリコートを注入することにより、試料溶液のHPLCスペクトログラムを測定します。
- ステップ5.5で前述したように、各試料溶液のクロマトグラム上の有機酸のバンドの面積強度を取得します。
- ステップ5.6で得られた検量線に対応する方程式を用いて、溶液中の有機酸の濃度を得ます。
- 前のステップと、試料溶液の全体積で得られた試料溶液の濃度から各ブルーベリーの各有機酸の量を取得する(50mlのステップ3.12参照)。
- 4有機酸の含有量を合計することによって、各ブルーベリー中の全有機酸の量を取得します。
- ステップ1.3で測定した重量を使用して、各ブルーベリーの全有機酸の含有量のパーセントを取得します。
アントシアニンのHPLC測定のための6の前処理
- 彼らはちょうどスペクトル測定後に分析されていないときは、化学については、以下の-80°C準備ができて冷凍庫にブルーベリーを保つ分析します。
- 12時間真空凍結乾燥機を用いて、各冷凍果実を乾燥させます。
- 1%メタノール溶液のOで乾燥ブルーベリーからアントシアニンを抽出Fトリフルオロ酢酸【ブルーベリーの重量(g)の溶液/体積(ミリリットル)= 1/10] 12時間4℃で冷蔵庫に混合物を残すこともできます。
- 遠心分離機で-8℃と15,000回転(21,900×gで)°超遠心機を使用して、2ミリリットルマイクロチューブ中で15分間抽出。
- HPLC測定のためのサンプルを取得するために、0.45μmのフィルターを通して抽出液をフィルタリングします。
アントシアニンの7. HPLC測定
注:約13種類のアントシアニンがブルーベリーに含まれています。それはすべてのアントシアニンの作業曲線を取得することは困難であるため、唯一のシアニジン-3-グルコシドOの塩化物、ブルーベリーの中で最も人気のあるアントシアニンのための検量線が得られます。検量線は、他のアントシアニンのおおよその定量に適用されます。
- 正確シアニジン-3-グルコシドO塩化約1.5 mgの測定、およびPRのトリフルオロ酢酸の1%メタノール溶液10ml中に溶解標準溶液をepare。第二の標準溶液を調製し、トリフルオロ酢酸の1%メタノール溶液で10mlに溶液5mlを希釈します。同様に、第3および第4の標準的なソリューションを順次用意しております。
- 次のようにHPLCシステムをアレンジ:
- 40℃のカラムオーブンでC18逆相カラムを使用してください。
- 0.1ml /分の流速でアセトニトリル(溶出液B)を、0.1%トリフルオロ酢酸水溶液(溶出液A)および0.5%トリフルオロ酢酸の溶出液を用いた勾配法を適用する場合、8%から15%の溶出液Bの増加の割合注射後50〜60分の間に注射後、および15%〜75%、0〜50分の間。
- 520 nmでフォトダイオードアレイ検出器の監視を使用します。
- 各測定のための10μlのアリコートを注入することにより、標準溶液のHPLCスペクトログラムを測定します。 「LCソリューションは、「測定のためのソフトウェアとして使用されています。
- のバンドの面積強度を取得マウスの右ボタンで「再分析」をクリックして、各標準液のクロマトグラム上シアニジン-3- Oのグルコシド塩化。
- 面積強度と濃度との関係を表す式はシアニジン-3-グルコシドO塩化に対して得られる線形回帰によってシアニジン-3-グルコシドO塩化ための検量線を得るために、対応する濃度に対して面積強度をプロットします。
- 各測定のための10μlのアリコートを注入することにより、試料溶液のHPLCスペクトログラムを測定します。
- 以前にステップ7.4で説明したように、各試料溶液のクロマトグラム上の各アントシアニンのバンドの面積強度を取得します。
- ステップ7.5で得られた検量線に対応する式を用いて溶液中のアントシアニンの濃度を得ます。
- 以前に得られた濃度から各ブルーベリーの各アントシアニンの量を取得ステップステップ6.3で使用される試料液の総体積。
- 13アントシアニンの内容を合計することによって、各ブルーベリーアントシアニンの総量を取得します。
- ステップ1.3で測定した重量を使用して、各ブルーベリーの総アントシアニンの含有量のパーセントを取得します。
成分量の予測のためのキャリブレーションモデルの8建設
注:PLS回帰、潜在バリアントを使用して複数の回帰技術の一種である4,5を 、観測されたスペクトルおよび化学分析によって決定される成分の内容から各成分のためのキャリブレーションモデルの構築に使用されています。 PLS回帰は、市販のプログラムで、または自家製のプログラムのいずれかで行われます。モデルの構築の詳細な処理のための参考文献5,10を参照してください。
- 観測されたスペクトルのための前処理が正確に最も効果的である調べ、堅牢な予測。
- 以下の前処理の1または2を適用することにより、キャリブレーションモデルを構築:MSC(乗法散乱補正)、1,2,5 SNV(標準正規変量)、1,2,5 MMN(最小・最大正規化)、COE(定数オフセット除去)と、第1またはSG(サビツキー-ゴーレイ)法により第2の微分計算。1,2,5を構築したモデルで、そのスペクトルから設定検証の成分量を予測します。
注:最小値と最大値がそれぞれ0および1、となるようMMNにおいて、スペクトルは正規化されます。最小値がゼロになるようにCOEでは、スペクトルの縦軸がずれています。 - 観察と観測されたスペクトルが最も効果的であるために前処理する調べるために検証セットの予測値との間で、決意、R 2、および残留予測偏差、RPDの係数を計算します。大きい与える前処理の組み合わせを選択してくださいR 2およびRPD。
- 以下の前処理の1または2を適用することにより、キャリブレーションモデルを構築:MSC(乗法散乱補正)、1,2,5 SNV(標準正規変量)、1,2,5 MMN(最小・最大正規化)、COE(定数オフセット除去)と、第1またはSG(サビツキー-ゴーレイ)法により第2の微分計算。1,2,5を構築したモデルで、そのスペクトルから設定検証の成分量を予測します。
- 効果的な領域を検索するために、波数領域は、例えば、適用することにより、正確かつ堅牢な予測に有効である移動窓のPLS法11を調べます。
注:手順は、スペクトルは予測に有効な情報が含まれていないか、予測を妨害する情報が含まれている波数領域を除去に相当します。
構築キャリブレーションモデルの9.検証
注:構築されたモデルの検証の詳細な処理のための参考文献5,10を参照してください。
- 前処理の予測のための効果的な波数領域のための最高の組み合わせで構成されたキャリブレーションモデルとのスペクトルから検証セットの成分内容を予測します。5,10
- 観察と予測との間のR 2及びRPDを計算検証セットの値。5,10
- 一般的なキャリブレーションモデルの実用性能の基準、12,13 R 2> 0.85とRPD> 2.5かどうかを調べ、満足しています。基準が満たされない場合は、モデルの再構築を検討してください。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
例として、70ブルーベリーのスペクトルが同時に示されているブルーベリーの近赤外吸収スペクトルのセットを図2に示す図 。糖、有機酸、またはアントシアニンに確実に割り当て可能な帯域がNIRスペクトルで観察されていないので、従来のランベルト・ベールの法則は、成分量を定量化するためには適用されません。したがって、成分内容を予測するためのモデルの構築が必要です。
図3は、ブルーベリー中の糖の定量分析のための典型的なクロマトグラムを示します。上から3つのパネルは、それぞれ、スクロース、グルコース、およびフルクトースの標準溶液のクロマトグラムです。下のパネルは、ブルーベリーの抽出物、すなわち試料溶液のクロマトグラムを示します。試料溶液中の糖の種類と濃度は保持時間から知られています観察されたピークの面積強度をND。総糖含量は、スクロース、グルコース、およびフルクトースの含有量の和として求められます。
図4は、ブルーベリー中の有機酸の分析のためのクロマトグラムの一例を示しています。標準溶液(ここでは図示せず)のクロマトグラムを参照することにより、試料溶液中の有機酸の種類と濃度が知られています。図の凡例に示される観察されたピークの割り当てについては、2つのピークが標準との試料溶液のクロマトグラム中のキナ酸について観察されています。彼らは、キナ酸の異性体に割り当て可能性があります。全有機酸含量は、クエン酸、キナ酸、リンゴ酸、コハク酸の含有量の和として求められます。
図5は、ブルーベリー中アントシアニンの分析のためのクロマトグラムの一例を示しています。 differeに対応する多数のピークntの種類アントシアニンが観察されます。 表1に示すように、これらのアントシアニンのための溶出の順序は14,15を報告したので、観察されたピークは、個々のアントシアニンに割り当てることができます。総アントシアニン含量は、アントシアニンの13種類の含有量の和として求められます。
キャリブレーションモデルは、観測されたスペクトルと化学的に決定された成分の内容から構成されている。 表2前処理の検査の一例を示しています。 「(前処理なし)なし」を含めない六種類の前処理が12,500-3,600センチ-1の固定波数領域にスペクトルを用いて、全糖含量のキャリブレーションモデルの構築のために検討しました。異なる前処理は、異なる予測性能をもたらします。モデルの性能は、R 2及びRPDで評価しました。最高のprediを与える前処理の種類ction性能が選択されます。 表2において、第二の導関数計算の後にMSCを意味する「第二の誘導体+ MSCは、「最良の結果が得られます。次いで、モデル構築に使用される波数領域は、固定された前処理して領域を変化させることによって検査されます。
図例のように図6に示すNIR分光法およびHPLCによって決定されたものにより予測値との相関関係が示され、総糖含量の較正モデルの相互検証の結果。モデルは、前処理として、「二次導関数+ MSC」で構成され、8,539-7,775 cm -1でのスペクトルの領域を使用していました。モデルの予測性能は、単に実用のための基準の上に、R 2 = 0.85とRPD = 2.6です。この例では、モデル構築に使用されるサンプルの数は、短所に小さすぎるれ、30でした高性能モデルをtruct。
一例として、 図7に示すNIR分光法により予測値及びHPLCによって決定されたものとの相関が示されている全有機酸含量の較正モデルの相互検証の結果。モデルは、「一次微分+ MSC "前処理等の7,505-5,446と4,605-4,242 -1のスペクトルの領域を用いて構築しました。モデルの予測性能はR 2 = 0.92とRPD = 3.6、実用化のために十分であるです。
近赤外分光法およびHPLCによって決定されたものによって予測値との間の相関関係を有する図例のように8に示す総アントシアニン含有量のためのキャリブレーションモデルの外部検証の結果、。このモデルは、「第1のDで構成されました前処理としてerivative」と12,489-6,094と4,605-4,242 cm -1でのスペクトルの領域を使用する。モデルの予測性能は、アントシアニンので。構築したモデルのかなり良好な性能を示し、R 2 = 0.95とRPD = 4.4であり、ブルーベリー中の含有量が高くないが、主にブルーベリーの皮には、容易に拡散反射率の測定で観察され存在している。 図8に示される良好な性能は、モデル構築に使用される多数のサンプル(70)によっても引き起こされることになります。
ブルーベリーの図2.近赤外吸収スペクトル。70ブルーベリーのスペクトルが同時に示されている。 この図の拡大版をご覧になるにはこちらをクリックしてください。
ブルーベリー中の糖の定量分析図3.クロマトグラムを。(A)、ショ糖、(B)は、グルコースの標準溶液のクロマトグラム、(C)フルクトース、および(D)試料溶液のクロマトグラム。 ご覧になるにはこちらをクリックしてください。この図の拡大版。
ブルーベリー中の有機酸の定量分析のために、図4のクロマトグラム。観察されたピークは、クエン酸(1)、リンゴ酸(2)、キナ酸(0,3)、およびコハク酸(4)に対応するPLEASEこの図の拡大版をご覧になるにはこちらをクリックしてください。
ブルーベリー中アントシアニンの定量分析のために 、図5 クロマトグラム。観測されたピークは各アントシアニンのための標準的な保持時間が表示され、表1に記載されている個々のアントシアニンに割り当てられている。 この図の拡大版をご覧になるにはこちらをクリックしてください。
図6.全糖含量のためのモデルの相互検証の結果。近赤外分光法によって予測値は、HPLCによって決定されたものに対してプロットされている。R 2 = 0.85とRPD = 2.6が得られます。 この図の拡大版をご覧になるにはこちらをクリックしてください。
図7.全有機酸含量のためのモデルの相互検証の結果。近赤外分光法によって予測値は、HPLCによって決定されたものに対してプロットされている。R 2 = 0.92とRPD = 3.6が得られる。 拡大版をご覧になるにはこちらをクリックしてください。この図の。
図8.総アントシアニン含量のためのモデルの外部検証の結果。近赤外分光法によって予測値は、それらのDに対してプロットされていますetermined HPLC。R 2 = 0.95とRPD = 4.4が得られる。 この図の拡大版をご覧になるにはこちらをクリックしてください。
式 | アントシアニン | 代表的保持時間(分) |
C 21 H 21 O 12 | デルフィニジン-3- Oの -galactoside | 17.3 |
C 21 H 21 O 12 | デルフィニジン-3- Oのグルコシド | 19.7 |
C 21 H 21 O 11 | シアニジン-3- Oの -galactoside | 22.8 |
C 20 H 19 O 11 | デルフィニジン-3- 23.6 | |
C 21 H 21 O 11 | シアニジン-3-グルコシドOの | 24.5 |
C 22 H 23 O 12 | ペチュニジン-3- Oの -galactoside | 28.7 |
C 20 H 19 O 10 | シアニジン-3- Oの -arabinoside | 31.3 |
C 22 H 23 O 12 | ペチュニジン-3- Oのグルコシド | 36.0 |
C 22 H 23 O 11 | ペオニジン-3- Oの -galactoside | 37.0 |
C 21 H 21 O 11 | ペチュニジン-3- Oの -arabinoside | 40.8 |
C 22 H 23 O 11 | ペオニジン-3- Oのグルコシド | 43.7 |
C 23 H 25 O 12 | マルビジン-3- Oの -galactoside | 45.0 |
C 23 H 25 O 12 | マルビジン-3- Oのグルコシド | 49.6 |
ブルーベリーに含まれる表1.主要アントシアニンは、本実験条件下でHPLC分析における代表的な保持時間も記載されています。
前処理 | 分析のために使用される波数領域(-1) | RPD | R 2 |
なし | 12,500-3,600 | 1.7 | 0.69 |
二次導関数 | 12,500-3,600 | 2.6 | |
一次導関数 | 12,500-3,600 | 2.5 | 0.84 |
MSC | 12,500-3,600 | 2.3 | 0.81 |
二次微分+ MSC | 12,500-3,600 | 2.8 | 0.88 |
一階微分+ MSC | 12,500-3,600 | 2.7 | 0.87 |
表2.観測されたスペクトルの前処理での予測性能の依存性を調べる。全糖含有量を予測するためのR 2及びRPDが記載されています。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
プロトコル上のいくつかの追加のコメントがここで説明されています。まず、ステップ1.1においては、ターゲットに含まれる品種を決定するために記載されています。それは多くの品種から、または品種を指定せずにブルーベリーをカバーするモデルを構築することが可能であるが、モデルとの予測精度は、時々、単一品種のため、限られた品種のモデルのものよりもはるかに低いです。また、キャリブレーションモデルは、異なる生産現場で回収ブルーベリーが予測性能に影響を与える異なる特性を有するため、高い予測性能を得るために各生産拠点からブルーベリーのために構成されるべきであることに留意すべきである。1
次に、ステップ2.3においては、スペクトルの測定のための拡散反射モードを選択することが記載されています。送信モードは、分光光度計での測定のために準備されます。透過モードで測定したスペクトルであるが較正モデルの構築に使用可能なLSO、より正確で、より堅牢なモデルは、ほとんどの場合、拡散反射モードで測定したスペクトルを用いて構成することができます。全有機酸含量は、透過モードで測定したスペクトルを用いて予測することができない。3
第三に、ブルーベリーのスペクトルの測定のために、表面状態とヘタの周りの内容が他の位置で異なっているので、萼でスペクトルを測定することは推奨されません。それにもかかわらず、萼と他の位置の両方で測定されたスペクトルの十分な数を使用してキャリブレーションモデルを構築することが可能です。しかし、モデルの精度は、多くの場合にのみ萼以外の位置で測定したスペクトルで構成モデルのものよりも低いです。
第四に、ブルーベリーのNIRスペクトルは、温度に依存します。そのため、正確な予測のために、それがimされますか常に同じ周囲温度でスペクトルを測定するために、または温度変化の補償と較正モデルを構築する。1 portant
第五に、唯一のR 2およびRPDは、前処理を選択すると、ここではそのようなSEC(キャリブレーションの標準誤差)、9月 (予測の標準誤差)、SECVクロスの(標準誤差などのいくつかの他の値を構築したモデルの性能を評価するために使用されているが-Validation)、RMSEP予測の(二乗平均平方根誤差)、及びクロスバリデーションのRMSECV(二乗平均平方根誤差)は、通常、より詳細な検査のために使用されています。我々の以前の論文、例えば3において、RMSEPおよびRMSECVは、前処理を選択して構成されたモデルの性能を評価するために使用しました。
ブルーベリーで全糖の非破壊予測、全有機酸、および総アントシアニン含量は酔いました予測のためのモデルが正しく構成されている場合に可能であることがND。この技術は、他の伝統的な分析技術を用いて達成することはできませんすべて収穫したものからのみおいしいブルーベリーの選択にも適用可能である。8,9化学分析の手順が複雑に思えるかもしれませんが、彼 らは人気のある分析技術に含まれていないされています大きな困難が伴います。結果は、構築したモデルに基づいているため、化学分析のために、正確な結果を得ることが重要です。本研究では、HPLC測定のRSD(相対標準偏差)は約1%でした。実用モデルを構築するために、 図1に示すように、 例えば、基本的な手順に従うことも必要です。
代わりにHPLCの簡単かつ迅速な方法は、化学分析のために適用することができます。全糖含有量および酸性度は屈折計でそれぞれ測定することができます。(ブリックスメートル)と、pHメータ。 pHを差動方式16,17は、全アントシアニン含有量の測定に適用可能です。簡単な方法の適用は、モデルによって予測値の精度は、ここに示したHPLCの測定に基づいて構築されたモデルによって予測されるものよりも低いかもしれないが、はるかに簡単なモデルの構築を行います。高い精度が必ずしもが必要とされないので、それにもかかわらず、単純な化学分析に基づいて構築されたモデルの精度は、生産拠点と流通過程で実際に適用可能です。化学分析のための方法は、したがって、モデルを構築するために必要な精度に応じて選択されるべきです。
そのようなリンゴとオレンジのようないくつかの果物が保証糖含量と酸度で一般に販売されていますが、ブルーベリーは保証品質で販売されていません。その結果、商業ブルーベリーの品質はありません少なくとも日本では安定していないよう。時々、低品質のブルーベリーは、市場で販売されています。ここに示されている近赤外分光法による非破壊分析方法は、原理的には、保証の資質とブルーベリーの出荷・販売を可能にするために期待されています。
最後に、この方法の制限があります。上述したように、まず、予測モデルの構築はかなり面倒です。 (サイトと栽培の年に依存)共存成分の量の差が予測の精度に影響を与えるため、また、予測モデルは、各サイトと栽培の各年のために構築されるべきです。したがって、いくつかの努力が予測モデルの維持のために必要とされます。我々は、近赤外分光法は、原理的には、ブルーベリーの品質検査に適用可能で、ここに示した機器および技術のみ実験室で使用され、生産現場で適用されていないことを示しているが、第二に、あります生産現場での果実の大量のクイックチェックが不可能である原因。適切な機器と生産拠点と流通過程での使用に適した堅牢な較正モデルの開発の実用的な開発は、将来の方向です。
Subscription Required. Please recommend JoVE to your librarian.
Materials
Name | Company | Catalog Number | Comments |
FT-NIR spectrophotometer | Bruker Optics GmbH | MPA | |
High-Performance Liquid Chromatography | Shimadzu Corporation | 228-45041-91, 228-45000-31, 228-45018-31 | For sugar analysis |
223-04500-31, 228-45010-31, 228-45095-31 | Refractive Index Detector | ||
High-Performance Liquid Chromatography | Shimadzu Corporation | 228-45041-91, 228-45003-31, 228-45000-31 | For organic acid analysis |
228-45018-31, 228-45010-31, 223-04500-31 | Ultraviolet-Visible Detector | ||
High-Performance Liquid Chromatography | Shimadzu Corporation | 228-45041-91, 228-45018-31, 228-45000-31 | For anthocyanin analysis |
228-45012-31, 228-45119-31, 228-45005-31 | Photodiode Array Detector | ||
228-45009-31 | |||
pH meter | Mettler-Toledo | 30019028 | S220, Automatic temperature compensation |
Ultra-pure water treatment equipment | ORGANO Corporation | ORG-ULXXXM1; PRA-0015-0V0 | PURELAB ultra; PURELITE |
Biomedical Freezers | SANYO | 2-6780-01 | MDF-U338 |
Ultra-Low Temperature Freezer | Panasonic healthcare Co.,Ltd. | KM-DU73Y1 | -80 °C |
Vacuum lyophilizer | IWAKI GLASS Co.,Ltd | 119770 | DRC-3L; FRD-82M |
Homoginizer | Microtec Co., Ltd. | Physcotron | |
Ultracentrifuge | Hitachi Koki Co.,Ltd | S204567 | CF15RXII |
Mini-centrifuge | LMS CO.,LTD. | KN3136572 | MCF-2360 |
Centrifuge | Kokusan Co.,Ltd | 2-5534-01 | H-103N |
Filter Paper | Advantec | 1521070 | 5B, Eqivalent to Whatman 40 |
Sep-Pak C18 column | Waters Corporation Milford | WAT020515 | |
Sep-Pak CM column | Waters Corporation Milford | WAT020550 | |
Sep-Pak QMA column | Waters Corporation Milford | WAT020545 | |
Centrifugal Filter Unit | Merck Millipore Corporation | R2SA18503 | PVDF, 0.45 μm |
Microtube | As One Corporation | 1-1600-02 | PP, 2 ml |
Syringe Filter | GE Healthcare CO.,LTD. | 6788-1304 | PP, 0.45 μm |
Sucrose | Wako Pure Chemical Industries,Ltd | 194-00011 | Reagent-grade |
Glucose | Wako Pure Chemical Industries,Ltd | 049-31165 | Reagent-grade |
Fructose | Wako Pure Chemical Industries,Ltd | 123-02762 | Reagent-grade |
Citric acid | Wako Pure Chemical Industries,Ltd | 036-05522 | Reagent-grade |
Malic acid | Wako Pure Chemical Industries,Ltd | 355-17971 | Reagent-grade |
Succinic acid | Wako Pure Chemical Industries,Ltd | 190-04332 | Reagent-grade |
Quinic acid | Alfa Aesar, A Johnson Matthey Company | 10176328 | Reagent-grade |
Phosphoric acid | Wako Pure Chemical Industries,Ltd | 162-20492 | HPLC-grade |
Trifluoroacetic acid | Wako Pure Chemical Industries,Ltd | 208-02746 | Reagent-grade |
Methanol | Wako Pure Chemical Industries,Ltd | 131-01826 | Reagent-grade |
Acetonitrile | Wako Pure Chemical Industries,Ltd | 015-08633 | HPLC-grade |
Grade cyanidin-3-O-glucoside chloride | Wako Pure Chemical Industries,Ltd | 306-37661 | HPLC-grade |
Software for analyses | Bruker Optics GmbH | OPUS ver. 6.5 | |
Softoware for preprocessing | Microsoft | Excel powered by Visual Basic for Applications | |
Software for construction of models | Freemat 4.0 | http://freemat.sourceforge.net/ |
References
- Ozaki, Y., McClure, W. F., Christy, A. A. Near-infrared Spectroscopy in Food Science and Technology. , John Wiley & Sons, Inc. Hoboken. (2007).
- Sun, D. W. Infrared Spectroscopy for Food Quality Analysis and Control. , Academic Press. New York. (2009).
- Bai, W., Yoshimura, N., Takayanagi, M. Quantitative analysis of ingredients of blueberry fruits by near infrared spectroscopy. J. Near Infrared Spectrosc. 22, 357-365 (2014).
- Hasegawa, T. Chemometrics in infrared spectroscopic analysis. In: Introduction to Experimental Infrared Spectroscopy. Tasumi, M. , John Wiley & Sons. Chichester. 97-113 (2015).
- Varmuza, K., Filzmoser, P. Introduction to Multivariate Statistical Analysis in Chemometrics. , CRC Press. Boca Raton. (2009).
- Kubelka, P. New contributions to the optics of intensely light-scattering materials. Part I. J. Opt. Soc. Am. 38, 448-457 (1948).
- Juang, R. H., Storey, D. E. Quantitative determination of the extent of neutralization of carboxylic acid functionality in carbopol 974P NF by diffuse reflectance fourier transform infrared spectrometry using Kubelka-Munk function. Pharm Res. 15, 1714-1720 (1998).
- Ogiwara, I., Ohtsuka, Y., Yoneda, Y., Sakurai, K., Hakoda, N., Shimura, I. Extraction method by water followed by microwave heating for analyzing sugars in strawberry fruits. J. Jpn. Soc. Hort. Sci. 68, 949-953 (1999).
- Che, J., Suzuki, S., Ishikawa, S., Koike, H., Ogiwara, I. Fruit ripening and quality profile of 64 cultivars in three species of blueberries grown in Tokyo. Hort. Res. (Japan). 8, 257-265 (2009).
- Pomerantsev, A. L. Chemometrics in Excel. , John Wiley & Sons, Inc. Hoboken. (2014).
- Jiang, H. J., Berry, R. J., Siesler, H. W., Ozaki, Y. Wavelength Interval Selection in Multicomponent spectral analysis by moving window partial least-squares regression with applications to mid-infrared and near-infrared spectroscopic data. Anal. Chem. 74, 3555-3565 (2002).
- Edney, M. J., Morgan, J. E., Williams, P. C., Campbell, L. D. Analysis of feed barley by near infrared reflectance spectroscopy. J. Near-Infrared Spectrosc. 2, 33-41 (1994).
- Mathison, G. W., et al. Prediction of composition and ruminal degradability characteristics of barley straw by near infrared reflectance spectroscopy. Can. J. Anim. Sci. 79, 519-523 (1999).
- Chiara, F., et al. Analysis of anthocyanins in commercial fruit juices by using nano-liquid chromatography electrospray-mass spectrometry and high performance liquid chromatography with UV-vis detector. J. Separation Sci. 34, 150-159 (2011).
- Li, Q., et al. Antioxidant anthocyanins screening through spectrum-effect relationships and DPPH-HPLC-DAD analysis on nine cultivars of introduced rabbiteye blueberry in China. Food Chemistry. 132, 759-765 (2013).
- Sinelli, N. Evaluation of quality and nutraceutical content of blueberries (Vaccinium corymbosum L.) by near and mid-infrared spectroscopy. Postharvest Biol. Technol. 50, 31-36 (2008).
- Giusti, M. M., Wrolsted, R. E. Anthocyanins: characterization and measurement with UV-visible spectroscopy. Current Protocols in Food Analytical Chemistry. Wrolstad, R. E., Schwartz, S. J. , John Wiley & Sons. New York. 1-13 (2001).